온고창신 溫故創新 ongochangsin

9, 싱귤라리티란?(2/7) 2) 싱귤라리티는 가깝다? 실현가능성에 대하여 싱귤라리티는 레이 카츠와일 씨를 비롯하여 많은 연구자들이 컴퓨터테크놀로지의 진화에 대하여 * 및 그것을 확장한 *을 근거로 예측한 가설로 현재로는 기술적으로 충분히 도래할 수 있다고 인정되고 있다. 카츠와일 씨는 을 확장한 이 우주 모든 현상에 적용할 수 있다고 생각하고 있고 거기서 싱귤라리티의 도래를 2045년이라고 예측하고 있다. 특히 유전자공학, 나노테크놀로지, 로봇공학의 3분야가 비약적인 성장을 성취하여 인류의 역사를 영원히 변하게 한다고도 예측하고 있다. * 무아의 법칙=집적회로가 2년 약의 주기로 성능이 배증해가는 경험칙. * 수확가속의 법칙=여기서는 카츠와일 씨에 의하여 제창된 “테크놀로지는 지수관수적(指數關數的)으로..

싱귤라리티(singularity）와 2045년의 문제란? (1/2) 테크놀로지계에 있어서의 싱귤라리티란 사람보다도 인공지능 쪽이 현명해지는 분기점을 말한다. 혹은 인공지능 자체로 자기 업그레이드가 가능하게 되고 자기개선을 반복하여 인간의 지능을 훨씬 초월하게 되는 것이 가능해지는 때를 싱귤라리티라고 정의하는 경우도 있다. 이 말은 1950년대에 처음으로 테크노로지에 쓰여 2005년에 출판된 로 주목하게 되었다. 본서 안에서 싱귤라리티의 원칙은 39항목에 걸쳐 설명되고 있는데 강연(2017년 2월 7일)에서는 다음과 같이 설명하고 있다. 인공지능은 2029년경에 언어이해분야에서 사람과 같은 수준이 되고, 2030년대에는 뇌와 크라우드가 통신하게 되고, 2045년까지에 우리들은 지금보다 10억 배 많은 지식..

인공지능과 심층학습(3/3) 5) AI를 사용하는 데는 무엇이 필요한가? (1)학습 모델과 데이터세트에 대하여 실제로 인공지능을 이용할 경우 와 로 나누어진다. 그 중에서 특히 중요한 것이 아기AI(인공지능)을 성장시키는 학습페이스로 그럴 때에 필요한 것이 학습용 와 이다. 일반적으로는 에서 규칙성이나 관련성을 추출하여 학습을 반복함으로써 을 만들고 있다. 특히 심층학습의 경우 정도(精度)를 높이기 위하여 대량의 데이터가 필요하다. 또 데이터의 정확성도 중요한 요소가 된다. 불완전한 데이터로 학습하면 틀린 판단을 하고 말아서 요구하는 방향으로 AI가 학습하지 않는 위험이 있기 때문이다. * 페이스(phase=단계, 국면을 의미한다.) 6) 학습제(學習濟) 모델 구축에 걸리는 계산 코스트는? 학습제 모델을..

2월 27일, 오늘 명심할 명언. (58) 구름 속의 백학은 메추라기 그물에 걸리지 않는다. 구름 속을 날고 있는 고상한 백학은 메추라기를 잡는 작은 그물에는 걸리지 않는다. 곧 고상한 인격자는 세속의 보잘 것 없는 유혹에 걸리지 않는다. 雲中白鶴, 非鶉鷃之網所能羅矣.(魏志, 邴原傳注) 운중백학, 비순안지망소능라의.(위지, 병원전주)

인공지능, 기계학습, 심화학습의 다름(5/5) 5) 딥러닝이 AI에 밝은 미래를 가져온다. 딥러닝에 의하여 기계학습, 나가서 AI분야 전체의 실용적 응용이 수많이 실현하였다. 딥러닝에는 기계에 의한 모든 종류의 지원이 가능하게 되는(혹은 기대할 수 있는) 방법으로 최소 단위를 분류할 수 있다. 무인자동차, 보다 예방효과가 높은 의료, 혹은 보다 적확한 영화의 제안은 어느 것이나 이미 실용화되고 있거나 금후 실용화가 전망되는 것이다. AI는 현재 및 미래의 테크노로지이다. 딥러닝의 도움을 받아서 AI는 인류가 오랜 동안 생각하고 그려온 사이언스 픽션 상태로 보다 가까워질 것이다. 누구나가 C-3PO를 벗으로 가지고 자신만의 터미네이터(The Terminaiter=영화명)를 손에 넣을 수 있을 것임에 틀림이..

인공지능, 기계학습, 심화학습의 다름(3/5) 3) 기계학습-인공지능을 실현하기 위한 어프로치 본질적으로 이란 세상의 특정한 사상(事象/일)에 대하여 데이터를 해석하고 그 결과로서 학습하여 판단이나 예측을 행하기 위한 *알고리즘을 사용하는 수법이라고 할 수 있다. 곧 기계학습에서는 특정한 최소단위를 완료하기 위한 명확한 수순에 따라 수작업으로 소프트웨어 *루틴을 코딩하는 것이 아니고 대량의 데이터와 다스크(task=작업, 학업, 일 등의 의미)를 실현하는 방법을 학습할 수 있는 능력을 제공하는 알고리즘에 기초하여 기계의 이 행해진다. * 알고리즘(Algorithm)=알고리즘은 수학과 컴퓨터 과학, 언어학 또는 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 ..

인공지능, 기계학습, 심화학습의 다름(2/5) 2) 인공지능-기계에 의하여 재현되는 인간의 지능 다마스회의가 행해진 1956년 여름까지 거슬러 올라가면 화의를 제안한 AI 선구자들의 꿈은 이었다. 이것은 --곧 인간의 모든(혹은 그 이상의) 감각과 모든 판단력을 갖추고 인간과 동등하게 생각하는 경이로운 기계로서 우리들이 생각한 것이다. 이러한 기계는 여러 가지 영화로(때로는 스타워즈의 같은 으로서 때로는 같은 으로서) 제한 없이 그려졌었다. 기계가 영화나 사이언스 픽션 소설로서 지금도 등장하는 데에는 더한 이유가 있다. 왜냐하면 인류는 그들을 (적어도 아직은)실현되고 있지 않기 때문이다. 지금까지 인류가 실현한 일은 （Narrow AI）의 개념에 해당된다. 이것은 특정한 최소 단위에 대하여 인간과 동등(..

AI 진화의 역사(2/3) 2) 의 등장으로 제3차 붐으로 1980년대부터 90년대에 걸쳐서 AI연구는 다시 겨울 시대를 맞이하였다. 그러나 2000년대 반에서연구는 가속한다. 그것이 현재까지 이어진 제3차 AI 붐이 되는데, 그 계기가 된 것은 에서 설명한 이라는 기술이 등장과 진화이다. 제2차 붐을 지탱한 에서는 미리 준비된 데이터에 없는 것은 컴퓨터가 처리할 수 없었다. 그런데 기계학습은 이 불가능을 가능하게 하였다. 기계학습에는 여러 가지 방법이 있는데 여기서는 과 에 대하여 개요를 설명해둔다. 다른 것은 단 한 가지 라 부르는 정해 데이터가 있는지 없는지이다. 미리 교사의 데이터가 주어진 은 교사 데이터에서 룰이나 패턴을 자동으로 학습한다. 메일아프리에 자주 있는 미혹 메일 판정이 이 좋은 예이..

AI 개발 프로세스(3/3) 3) AI 개발의 무대 뒤 인재부족을 해소하기 위하여 여러 가지 일을 AI에 치환시키려는 움직임이 가속화하고 있다. 예를 들면 콜 센터의 업무이다. 여러분도 스마트폰이나 PC의 트러블로 이용했던 일이 있을 것이다. 전화가 걸리지 않아서 답답했던 일도 있을 것이다. 이 콜센터의 업무를 AI로 치환할 수가 있다면 질문을 쉽게 할 수 있을 것이다. 그러면 콜센터의 업무를 최소 단위로 분류하면 어떻게 되는가. 콜센터의 담당자는 ---- 이런 방법으로 일련의 업무를 진행한다. 그러나 이 모두를 그대로 AI에게 치환할 수는 없다. AI는 만능이 아니기 때문이다. 그러면 이 4개의 최소단위를 AI에 치환한다면 인간은 편해질 것인가. 효율화 될 것인가를 생각해보자. 예를 들면 손님의 요망을..

AI 기초 지식(3/3) 3) AI를 낳은 어미는 어디까지나 인간이다. AI가 급속히 진화를 계속하므로 장래에 AI는 인간의 능력을 초월하는 것이 아닌가, 지금까지 인간이 해온 일은 전부 AI로 대치되는 것이 아닌가 하는 비관적인 예측을 하는 사람이 많아졌다. 그러나 참으로 그런 일이 생겨날 것인가?. 이것을 생각하기 전에 먼저 AI가 인간보다 뛰어난 포인트를 정리해보자. 그것은 과 이다. 컴퓨터라면 천문학적인 수의 계산의 답을 순식간에 이끌어 낼 수가 있고, 방대한 데이터를 룰에 기초하여 분류하는 것도 잘한다. 인간이라면 하나하나 시간을 걸려서 하지 않으면 안 될 번잡한 일을 컴퓨터라면 한 순간에 처리할 수가 있다. 이 두 가지에 관하여 인간은 컴퓨터 곧 AI에 쫓아갈 수가 없다. 단지 어디까지나 이다..